Azure OpenAI Service

Azure OpenAI Service คือช่องทางที่ให้องค์กรเรียกใช้โมเดลตระกูล gpt และโมเดลอื่นของ openai ผ่านโครงสร้างพื้นฐานคลาวด์ Microsoft Azure แทนที่จะสมัครใช้ chatgpt หรือต่อ API ของ OpenAI โดยตรง โมเดลถูกรันอยู่ในสภาพแวดล้อม Azure ที่ Microsoft เป็นผู้ดูแลเอง ไม่ได้ส่งข้อมูลไปประมวลผลที่เซิร์ฟเวอร์ของ OpenAI เรื่องชื่อที่ต้องระวัง: ตั้งแต่งาน Microsoft Ignite เดือนพฤศจิกายน 2025 Microsoft เปลี่ยนชื่อแบรนด์แพลตฟอร์มจาก Azure AI Studio และ Azure AI Foundry มาเป็น Microsoft Foundry ตามตารางเทียบชื่อในเอกสารทางการ แต่ชื่อ Azure OpenAI Service ยังไม่ถูกยกเลิก ยังใช้อยู่จริงทั้งในหน้าราคาและหน้า FAQ ของ Microsoft เอง เพียงแต่ไม่ใช่ชื่อร่มใหญ่อีกต่อไป เอกสารทางการเรียกโมเดลกลุ่มนี้ว่า Foundry Models sold by Azure ซึ่งระบุไว้ชัดว่ารวมโมเดล Azure OpenAI ด้วย ส่วนหน้าโปรดักต์ใช้ชื่อว่า Azure OpenAI in Foundry Models ในระดับทรัพยากร Microsoft เปิดทางให้ upgrade จาก Azure OpenAI resource เดิมไปเป็น Foundry resource โดยคง endpoint และ API key เดิมไว้

Azure OpenAI Service เปิดให้ใช้งานทั่วไป (general availability) ตั้งแต่วันที่ 17 มกราคม 2023 จุดต่างหลักจากการสมัคร OpenAI ตรงคือ Microsoft ยืนยันเป็นลายลักษณ์อักษรว่า prompt คำตอบที่โมเดลสร้าง embedding และข้อมูลที่ลูกค้าอัปโหลดสำหรับ fine-tuning จะไม่ถูกใช้เทรนโมเดลพื้นฐานใดๆ โดยไม่ได้รับอนุญาตจากลูกค้า ไม่ถูกส่งให้ OpenAI หรือผู้ให้บริการโมเดลรายอื่นเห็น และไม่ถูกนำไปพัฒนาสินค้าของ Microsoft เองโดยไม่ขออนุญาตก่อน แต่มีเงื่อนไขที่ต้องอ่านคู่กันเสมอ: Microsoft ยังเปิดระบบ abuse monitoring เป็นค่าเริ่มต้น ถ้า prompt หรือคำตอบถูกระบบตีว่าเข้าข่ายผิด Code of Conduct จะถูกสุ่มไปตรวจ โดยรีวิวด้วยระบบอัตโนมัติก่อน และถ้าความมั่นใจไม่พอจะมีพนักงาน Microsoft ที่ได้รับอนุญาตเปิดดูเนื้อหานั้นได้ องค์กรที่ต้องการปิดส่วนเก็บข้อมูลและรีวิวด้วยคนต้องยื่นขอ modified abuse monitoring และผ่านเกณฑ์ Limited Access ก่อน ไม่ได้ปิดให้อัตโนมัติ อีกจุดคือเรื่องที่ตั้งของการประมวลผล เอกสารระบุว่า prompt และคำตอบจะถูกประมวลผลอยู่ใน geography ที่ลูกค้าเลือกไว้ (เว้นแต่เลือกโหมด deployment แบบ Global หรือ Data Zone) ซึ่งเป็นกลไกด้าน data-residency ที่ล็อกอินและสิทธิ์การเข้าถึงยังผูกกับ Microsoft Entra ID ของบริษัท ไม่ต้องสร้างบัญชีแยกใหม่ และรองรับการวางระบบผ่าน virtual network กับ private endpoint เพื่อไม่ให้ทราฟฟิกออกอินเทอร์เน็ตสาธารณะด้วย

องค์กรไทยที่ใช้ Microsoft 365 หรือ Azure อยู่แล้วมักเลือกเส้นทางนี้เพราะต่อยอดจากสัญญา Azure เดิมได้เลยแทนที่จะไปเซ็นสัญญาใหม่กับผู้ให้บริการ AI อีกเจ้า และควบคุมพื้นที่ประมวลผลข้อมูลได้ตามที่อธิบายข้างต้น ซึ่งช่วยให้ระบุได้ว่าข้อมูลถูกประมวลผลอยู่ที่ไหน อันเป็นข้อมูลตั้งต้นที่ทีมกฎหมายต้องใช้ประกอบการประเมินตาม pdpa แต่ก็มีข้อจำกัดที่ต้องรู้ก่อนตัดสินใจ: การคิดราคาแบบมาตรฐานคิดตามจำนวน token ที่ส่งเข้าออก (pay-as-you-go) ส่วนงานที่ต้องการ throughput สม่ำเสมอมีตัวเลือก Provisioned Throughput Units (PTU) ที่จองกำลังประมวลผลไว้ล่วงหน้า คิดเงินเป็นรายชั่วโมงต่อ PTU และมีแบบจองล่วงหน้ารายเดือนกับรายปีให้ลดราคาลงอีก และมีโหมด Batch API ที่ลด 50% จากราคา Global Standard แลกกับการรอผลได้ถึง 24 ชั่วโมง จุดที่ต้องระวังคือ Batch เป็น deployment type แบบ Global เอกสารระบุว่าการประมวลผลอาจเกิดที่ geography ใดก็ได้ที่โมเดลนั้นถูก deploy ไว้ องค์กรที่ต้องล็อกพื้นที่ประมวลผลจึงใช้ Batch ไม่ได้ โควตาการใช้งาน (tokens-per-minute, requests-per-minute) ถูกคุมที่ระดับ Azure subscription เอกสารระบุว่าตั้งแต่หลังวันที่ 7 พฤษภาคม 2026 Foundry ย้ายมานับโควตาที่ระดับ subscription แทนการแยกตาม resource หรือตาม region โดย deployment แบบ Global Standard ของโมเดลและเวอร์ชันเดียวกันใช้โควตาก้อนเดียวกันข้ามทุก region ใน subscription นั้น ส่วนแบบ Data Zone Standard ใช้ก้อนเดียวกันต่อหนึ่ง data zone และ Microsoft เพิ่มระบบ quota tier (Free Tier กับ Tier 1 ถึง 6) ที่ขยับโควตาขึ้นอัตโนมัติตามปริมาณการใช้งาน โดยยังยื่นขอเพิ่มผ่านฟอร์มได้ถ้ายังไม่พอ อีกเรื่องที่ต้องวางแผนคือโมเดลรุ่นใหม่ไม่ได้เปิดครบทุก region และทุก deployment type พร้อมกันตั้งแต่วันแรก บาง deployment type เช่นแบบ Regional หรือ Provisioned อาจเปิดตามมาทีหลัง Microsoft มีตารางความพร้อมใช้งานรายโมเดลรายภูมิภาคอยู่ในเอกสาร Foundry Models sold by Azure ให้เช็คก่อนออกแบบระบบทุกครั้ง สถานะ GA ของโมเดลหมายถึงพร้อมใช้ระดับ production ไม่ได้แปลว่าเปิดครบทุก region หรือทุก deployment type แล้ว การผูกกับ Azure ลึกขึ้นเรื่อยๆ ก็มีต้นทุนแฝงด้าน vendor-lock-in ที่ทีม IT ควรชั่งน้ำหนักไว้ตั้งแต่ต้น

ตัวอย่างจากบทสนทนาจริง

ฝ่ายจัดซื้อ: "บริษัทเราใช้ Microsoft 365 กับ Azure อยู่แล้ว จะเอา AI มาช่วยงานต้องไปสมัคร ChatGPT แยกบัญชีใหม่อีกทีไหม"

ทีม IT: "ไม่จำเป็นครับ เราเปิด Azure OpenAI Service ผ่านสัญญา Azure เดิมได้เลย ข้อมูลที่ส่งเข้าไปไม่ถูกเอาไปเทรนโมเดลตามที่ Microsoft ระบุไว้ในเอกสาร แล้วพนักงาน login ด้วยบัญชีองค์กรเดิมได้ทันทีไม่ต้องสร้างบัญชีใหม่ แต่โมเดลรุ่นใหม่ล่าสุดอาจมาถึงเราช้ากว่าฝั่ง OpenAI โดยตรงอยู่บ้าง ต้องวางแผนล่วงหน้าถ้าอยากได้ฟีเจอร์ใหม่ทันที"

ระวังสับสนกับ

• chatgpt : ChatGPT คือแอปแชทสำหรับผู้ใช้ทั่วไป (หรือแพ็กเกจ chatgpt-enterprise สำหรับองค์กร) ขายเป็นรายหัว ส่วน Azure OpenAI Service ขายเป็นการเรียก API คิดตาม token เพื่อเอาไปต่อกับระบบภายในองค์กรเอง ฝั่ง Azure มี playground ใน Foundry portal ให้ทดลอง และ deploy เว็บแอปแชทตัวอย่างออกมาได้ แต่ไม่ได้มาพร้อมแอปผู้ใช้ปลายทางที่พนักงานหยิบไปใช้ได้ทันทีแบบ ChatGPT
• amazon-bedrock : บริการลักษณะเดียวกันของ Amazon Web Services ให้เรียกโมเดลจากหลายค่าย (รวมถึงของ Amazon เอง) ผ่านคลาวด์ AWS แทน Azure
• vertex-ai : บริการลักษณะเดียวกันของ Google Cloud เน้นโมเดลตระกูล gemini ของ Google เป็นหลัก ให้เลือกใช้ผ่านคลาวด์ GCP แทน Azure